EZW算法在DICOM图像压缩中的研究

基于小波变换的图像编码是一种有效的图像压缩方法，近几年来得到了广泛的发展，其中最著名的是Shapiro提出的小波零树编码（EZW）方法。针对医学DICOM图像的需求和特点，本文提出了一种基于小波变换的EZW算法对DICOM图像进行压缩。     

基于小波变换的图像快速压缩算法

结合目前广泛采用的嵌入式小波零树编码(EZW)和分层树集划分算法(SPIHT),提出了一种适用于图像小波变换高频压缩的提升算法.在经小波变换之后的矩阵中引入区间变化的概念,选取合适的数值取代区间中的数值,之后进行编码和传输.对于小波变换之后的图像在低频部分采用了DPCM算法,在高频部分采用了在EZW和SPIHT基础上改进的快速压缩算法,那么在编码时就可以用较短的时间保留原始图像的大部分能量,这对大幅图像的压缩和传输非常有利.虽然新算法与原先两种算法相比略微损失了部分保真度,但却在很大层度上降低了计算复杂度,缩短了编码时间.实验结果表明,此算法取得了较好的效果.     

基于方向性零树小波的分形图像编码

该文阐述了分形图像方块编码在小波变换域内实现的原理,将零树概念扩展后与小波域的分形仿射变换相结合,提出一种基于方向性零树小波的分形图像编码方法。计算机模拟实验表明,在高压缩比时,其编码性能优于典型的基于四叉树分割的分形图像编码性能,接近于嵌入式零树小波编码(EZW)的性能。     

基于提升小波变换的SPECK图像编码算法

提升小波变换即第2代小波变换,可以实现图像的完全无损编码;SPECK(集合分裂嵌入块编码)是基于小波变换的采用块状结构的图像编码算法。文中介绍了基于提升方法的整数小波变换和SPECK图像编码算法,提出了用整数小波变换代替传统小波变换进行SPECK图像编码。实验结果表明,在相同压缩比下,该算法比EZW(零树小波编码)在重建图像的信噪比方面有所提高,而与SPHIT(多级树集合分列算法)接近。     

嵌入式图像压缩编码的研究

嵌入式零树小波编码(EZW)是基于小波变换的图像压缩编码方法,具有良好的局部特性和空间-频率特性,但正交变换用统一的方法分解高低频,没有充分利用高频的细节信息,而且用同样的方法扫描高频3个方向(水平、竖直、对角线)分量,不能完全利用小波变换后系数的特点。针对此,提出一种改进的EZW算法,即对原始图像采用固定格式的小波包分解,并给出一种新的小波零树结构;在对分解后的系数进行扫描时,充分利用高频信息的方向性特点,其水平分量采用水平扫描、竖直分量采用竖直扫描、对角线采用Z扫描,整体结构依然使用原始EZW的扫描顺序。通过仿真实验对比发现,提出的改进EZW算法比原始的EZW算法,无论在客观数据还是主观视觉上,都有一定的改善,从而验证了该改进算法的有效性。     

图像小波变换实现及EZW编码理论研究

根据图形小波知识,对于图形小波变换实现采取的技术—这个Mallat算法给以深入研究,同时基于Mallat算法采取VC++编程的方法来对图像小波变换进行分析与研究。Mallat算法是将信号处理中的滤波器和计算小波系数联系在一起,组建成塔形分解算法,这样小波系数相关计算简单化了。嵌入式小波零树系数编码(EZW)是将小波变换的各子带系数表示为零树结构。EZW是一种简单而有效的图像编码算法。使用这种算法,编码者可在任一点结束编码,所以允许精确达到一个目标比率,而这时仍能产生同样的图像。有很好空间的小波变换——频域局部特性,关于图像这个可以有效地进行处理。     

基于DCT系数小波重组的图像压缩算法

论文提出一种与小波变换结构近似的嵌入式编码—MSESPIHT。将图像8×8子块进行DCT变换后的系数按照小波变换结构重新组合,运用均值去除法降低低频段系数的冗余度。之后,运用基于分层树集合分割排序的编码算法对图像进行压缩编码。实验表明,采用MSESPIHT处理的图像,在相同压缩比的情况下,图像质量得到改善,当码率为1.00bpp时,EZW、MSEDCT、SPIHT、MSESPIHT、峰值信噪比分别为39.55dB、39.75dB、39.97dB、40.12dB。     

基于DCT系数小波重组的图像压缩算法

本文提出一种与小波变换结构近似的嵌入式编码-SADSPIHT.将图像8*8子块进行DCT变换后的系数按照小波变换结构重新组合,运用误差和去除法降低低频段系数的冗余度.之后,运用基于分层树集合分割排序的编码算法对图像进行压缩编码.实验表明,采用SADSPIHT处理的图像,在相同压缩比的情况下,与其他编码方法相比,图像质量得到改善.当码率为1.00bpp时,EZW,MSEDCT,SPIHT,SADSPIHT,峰值信噪比分别为39.55dB,39.75dB,39.97dB,40.17dB.     

基于残差图像的ROI编码研究

与JPEG2000中的MAXSHIFT算法不同，本文将ROI编码与零树编码结合，给出一种基于残差图像的ROI编码算法RZ(residue zerotree）。RZ算法基于整数小波变换，对高压缩比下零树编码后ROI区域的残差图像作基于整数平方量化阈值的零树编码，并将所得残差数据熵编码后跟随原编码数据传输，可以实现ROI区域的有损或无损编码。实验结果表明，RZ算法实现了基于嵌入式零对小波变换（EZW）框架较低复杂度的ROI编码，可应用于基于网络的图像传输。     

一种改进的嵌入式图像EZW编码算法

介绍了在利用小波变换进行图像压缩时,小波基选择一般需要考虑的几个方面.并通过实验数据说明了不同的小波基对BMP类图像压缩产生的影响.然后对基于小波变换的嵌入式图像编码方法中最具代表性的EZW编码算法的原理进行了分析,并通过实验对EZW算法进行了性能分析及其改进,给出了实验结果.     

字符串相似度度量中LCS和GST算法比较

就字符串相似度度量算法的LCS和GST在概念、实现、效率方面进行比较分析,简要探讨了两种算法的应用领域.     

VBLAST系统的译码算法研究

对已有的传统译码算法如迫零算法（ZF）、最小均方（MMSE）算法、连续抵消（SIC）算法等的性能进行了研究,并在此基础上提出将迫零算法与连续抵消算法、最小均方算法与连续抵消算法相结合,构成迫零-连续抵消算法（ZF-SIC）与最小均方-连续抵消算法（MMSE-SIC）,从而明显改善系统的误码性能。此外,对收发两端采用不同天线数时的系统误码性能进行了仿真与分析,同时仿真分析了系统采用QPSK与16QAM调制方式的误码性能,最后给出仿真分析结果。     

一种Turbo译码算法改进研究

Turbo码是近年来广泛应用于通信系统中的一种性能优异的编码方式.文中首先分析了基于最大后验概率的Turbo码传统译码算法,然后指出了使用这类算法具有大译码延时的缺点,分析了常用的能减小译码延时的SW-MAP算法;最后根据此算法的特点提出了SW-MAP算法的改进方案.算法改进后能有效降低译码延时,提高译码性能.     

DOA估计的几种特征结构算法的性能比较

Pisarenko算法、多信号分类（MUSIC）算法、最小模算法和ORPD算法是来波到达方向（DOA）估计中常用的四种特征结构算法。在不同的信噪比及阵元数目条件下，对这几种算法的分辨性能作了比较。仿真结果表明：MUSIC算法是最稳定的一种算法；在预知大致方位的前提下。ORPD算法分辨性能最好；对于提高各种算法的分辨能力，改善信噪比相对增加阵元数目更有效。     

引导型免疫算法研究

基于免疫系统机理提出的免疫算法是一种新型的智能系统，在优化计算方面表现出巨大的潜力，具有多样性好、搜索成功率高的优点．但免疫算法在局部搜索中存在一定盲目性，搜索效率不高．本文提出引导型免疫算法，通过增强免疫算法中抗体的社会性，为免疫算法的搜索过程提供引导性，加快算法收敛速度，并对引导型免疫算法中新引入的算法参数进行了深入讨论．算法分析和仿真结果表明，引导型免疫算法在保持算法高搜索成功率的前提下，有效地提高了算法搜索效率．     

基于KR-BM算法的多模式匹配算法改进

网络技术的高速发展对模式匹配算法提出了更高的要求,为提高模式匹配效率,文中首先对常用的单模式和多模式匹配算法进行分析,在此基础之上,提出一种基于KR算法和BM算法的多模式快速匹配算法。最后通过实验结果验证了此算法的可用性和高效性。     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法。首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配。仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算法、传统加速稳健特征算法及其他改进的图像配准方法相当,但在图像配准实时性方面具有一定的优势,仿真实验二通过立体匹配库验证了该方法具有普遍有效性。     

一种改进的松弛算法

本文从建立松弛(RELAX)算法所对应的多维非线性优化问题出发,对松弛算法和最大似然(ML)算法进行了多方面的比较.基于这些讨论,提出了改进的RELAX算法。     

基于遗传算法和BP算法的多层感知机杂交训练算法

基于梯度下降的神经网络训练算法易于陷入局部最小,从而使网络不能对输入模式进行准确分类。本文提出综合遗传算法和BP算法的杂交算法GA-QP,它结合遗传算法的全局搜索特性和BP的局部收敛特性,实现对神经网络的有效训练。实验表明该算法优于BP算法,实验结果令人满意。     

一种新的排序算法——端点排序算法

提出了一种新的排序算法：端点排序算法。其方法为：依次找出数据总数为N的数列最小和最大值,把二者放在本次所排数列的两端,再把剩余两端之间的数据总数为N-2的数列的最小值和最大值找出,放在此数列的两端,依此类推,直至数列中间,实现整个数组的排序。实验表明,该算法具有与冒泡排序更快的性能。在数据个数较多的情况下优于选择排序。